2021 CVPR
零、ABSTRACT
FSL（小样本学习策略）：从base（见过的类别）迁移到novel（没见过的类别）
本文提出了一种新的方法来解释小样本识别，实验证明可以在两个主流数据集上得到令人满意的结果
一、INTRODUCTION
小样本可以解决数据获取和标注的沉重负担，应对缺少案例或者数据获取开销很大的情况
当novel类别和base类别具有很显著的视觉不同时，这种从输入图片中提取特征的方法可能效果甚微
同时我们不知道哪些视觉不同是对小样本模型意义重大的
因此，希望能看到什么是小样本学习真正迁移的
大部分工作只把卷积神经网络当作图片嵌入工具，而没有关注提取特征的原因
本文重新设计了小样本学习知识提取的机制，符合人类辨认少见物体的思路：寻找一些见过的部分
采用
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
